連鎖餐廳、速食店就算食材一樣,但是廚師、員工等因素,味道、擺盤多多少少會有些差異。於是,一位日本工程師便針對東京 41 間「拉麵二郎」連鎖店,運用 Google 機器學習,一張拉麵照就能認出哪間店鋪,簡直比老饕還神。
以份量大、規則多聞名的「拉麵二郎」,以東京為主要據點開枝散葉。就算是連鎖店,由於員工都是活生生的人,在蔬菜、肉片的擺放上,多少會有點不一樣,應該很少人能夠一眼就看出差異吧。
不過將這事交給科技,可能就是小菜一碟!
日本數據科學家土井賢治認為經過深度學習,可能可以辨別出每間拉麵的細節,他自行建立了一個機器學習模型來分類拉麵,但是也想了解今年 1 月 Google Cloud 才發表的 Cloud AutoML Vision 是否能更有效地做到這一點。
Cloud AutoML Vision 平臺,讓企業能夠構建、訓練和部署自訂的機器學習模型,就算不是專家也能順利使用,只需要上傳標記好的照片即可。
土井賢治將收集到的 4 萬 8 千張拉麵和各分店的標籤上傳到 AutoML Vision,爾後模型大約花費了 24 小時的時間自動進行訓練,結果大為驚人─準確度高達 94.5%。
到底 AutoML 是如何分辨每碗拉麵的呢?土井假設是靠碗和桌子的形狀、顏色來辨別,因此將該物件都統一,結果顯示一樣擁有高精準度。
擁有研究家精神的土井,鍥而不捨訂定下一個假設為「肉的切片方式和擺盤」,今後也將會繼續進行實驗。
文/吳佳臻
本文、圖授權轉載自智慧機器人網(原標題:準確度高達 95%!Google 機器學習新應用 一張拉麵照就知哪間分店)
責任編輯/趙元